Die neueste Spielart künstlicher Intelligenz, generative AI, ist derzeit in aller Munde. Tatsächlich eröffnet sie weitreichende Möglichkeiten, zentrale Geschäftsbereiche wie Suchmaschinenoptimierung, Beschaffung, Marketing, Kundenservice und Personalwesen effizienter zu gestalten. Sebastian Schröder, Experte für KI-Forschung, erklärt in einem exklusiven Gastbeitrag, wie firmeneigene Daten wertvolles Wissen generieren können. Dieses Wissen kann allen Mitarbeitenden zugänglich gemacht werden, wodurch die Wettbewerbsfähigkeit und Innovationskraft von Unternehmen nachhaltig gestärkt werden.
Was ist Generative AI?
Generative AI ist eine immer populärer werdende Form der künstlichen Intelligenz, die Inhalte wie Texte, Bilder, Audiodateien und Videos erstellt. Diese Technologie nutzt große Sprachmodelle wie GPT-4, die umfangreiche Datensätze verwenden, um beeindruckende Sprachverständnis- und -generierungsfähigkeiten zu entwickeln. Der Bedarf an riesigen Datenmengen und erheblicher Rechenleistung macht das Training solcher Modelle zu einer immensen technischen und finanziellen Herausforderung. Man denke nur an OpenAIs jüngst bekannt gewordenen Jahresverlust in Milliardenhöhe. Den Großteil der Kosten haben die IT-Infrastruktur und das Training verursacht.
Die vielfältigen Anwendungsbereiche von Generative AI
Die Bandbreite der generativen AI-Modelle ist dabei erstaunlich und verdeutlicht das Potential: Von Sprachmodellen wie GPT-4 über Bildmodelle wie DALL-E2 bis hin zu Audiomodellen wie MusicLM. Diese Technologien finden Anwendung in Bereichen wie Marketing, Kundenservice, Übersetzung und Design.
Die Herausforderungen und Begrenzungen
Wie bereits angesprochen, stehen generative AI-Modelle vor Herausforderungen wie Datenmangel und hohen Trainingskosten. Sie generieren dabei oft plausible, aber letztendlich falsche Informationen. In solchen Fällen spricht man von halluzinieren. Die Rufe nach einer nachvollziehbaren “explainable AI” werden entsprechend immer lauter. Die Entwicklung von multimodalen Modellen, die Text und Bilder gleichzeitig verarbeiten können, ist bereits dabei, die nächste Stufe generativer AI voranzutreiben. Die meisten Menschen haben mittlerweile sicherlich schon mindestens ein auf Basis eines Inputbildes generiertes Midjourney-Video gesehen.
Das wirtschaftliche Potenzial und die Produktivitätssteigerung
Die kreativen Möglichkeiten begeistern zweifelsohne. Aber auch das wirtschaftliche Potenzial von Generative AI ist enorm. Jährlich könnten zwischen 2,6 Billionen und 4,4 Billionen US-Dollar an Wert generiert werden. Diese Technologie hat das Potenzial, die Produktivität erheblich zu steigern, indem sie zeitintensive Aufgaben automatisiert. GenAI bietet enorme Vorteile in Geschäftsbereichen wie Kundenoperationen, Marketing, Vertrieb, Softwareentwicklung und Forschung & Entwicklung.
Die praktischen Anwendungen von GenAI
Procurement: Der gesamte Beschaffungsprozess wird durch intelligent genutzte generative AI effizienter. Interne und externe Daten werden genutzt, um zu den besten Lieferanten, Preisen und Konditionen zu führen. So werden Vertragskonformität und Beschaffungszeit optimiert.
SEO: GenAI revolutioniert die SEO-Welt, indem sie maßgeschneiderte Inhalte erstellt, die auf spezifische Suchanfragen und Interessen von Zielgruppe abgestimmt sind. Automatisierte Keyword-Recherche und Inhaltsoptimierung führen zu einer verbesserten Sichtbarkeit und Platzierung in den Suchergebnissen.
HR: Im Personalwesen kann Generative AI den Rekrutierungsprozess automatisieren, maßgeschneiderte Onboarding-Programme entwickeln und kontinuierliche Schulungen anbieten. Durch die Vorhersage zukünftiger Fähigkeiten und Talentanforderungen unterstützt GenAI eine proaktive Personalplanung.
Die Entwicklung einer maßgeschneiderten GenAI
Und wie kann eine Firma diese neuen Möglichkeiten und Potentiale nun für sich Nutzen? Eine klare Strategie mit definierten Zielen und dem erwarteten Nutzen von GenAI im Unternehmen zu entwickeln, bildet den ersten Schritt. Darauf folgt die Erstellung einer Roadmap mit priorisierten Anwendungsfällen und den notwendigen Schritten zur Umsetzung. Soweit zur Strategie, nehmen wir jetzt an, es soll marketingtauglicher Text generiert werden. Die Auswahl der passenden large language-Modelle und Werkzeuge ist dabei ein entscheidender Faktor. Es können bestehende Modelle wie OpenAIs GPT-4 genutzt oder diese zu maßgeschneiderten Modelle (weiter-)entwickelt werden.
Dies setzt voraus, dass qualitativ hochwertige und relevante Daten vorhanden sind, die für das Training der Modelle verwendet werden können. Diese Daten müssen bereinigt, strukturiert und in geeignete Formate wie Vektordatenbanken gebracht werden. Technologien wie das Retrieval-Augmented Generation (RAG)-Modell können mit diesen die Genauigkeit und Relevanz der vom LLM generierten Inhalte verbessern. Das Ur-LLM wird quasi mit neuem, eigenen Wissen gefüttert. Abschließend werden die GenAI-Lösungen möglichst nahtlos in die bestehenden Geschäftsprozesse integriert, beispielsweise durch einen Chatbot oder Assistenten. Hierbei sollte darauf geachtet werden, dass die neuen AI-gestützten Prozesse harmonisch mit den bestehenden Arbeitsabläufen zusammenarbeiten und den Nutzen maximieren.
Fazit
Die Entwicklung und Integration einer firmeneigenen KI kann einen bedeutenden Fortschritt für Unternehmen darstellen. Egal ob junges Startup, oder etablierter Konzern. Mit klaren Strategien, geeigneten Technologien und professionellem Datenmanagement kann Generative AI jedem Unternehmen zu mehr Produktivität und Effizienz verhelfen. Der Einsatz von GenAI kann Prozesse automatisieren, neue Geschäftsmodelle erschließen und die Wettbewerbsfähigkeit erhöhen. Frühzeitige Investitionen in datengetriebene Innovationen allgemein und KI-Technologien im Speziellen stärken mittel- bis langfristig jede Organisation. Was vor ein paar Jahren noch klang wie science-fiction ist definitiv gekommen, um zu bleiben.
